TIMO TORTINMÄKI
AUTOMAATIOJÄRJESTELMÄN TIEDONKERUUN TOTEUTUS PERUSTUEN TARVITTAVAAN INFORMAATIOON
Diplomityö
Tarkastaja: professori Kari T Koskinen Tarkastaja ja aihe hyväksytty
28 helmikuuta 2018
TIIVISTELMÄ
TIMO TORTINMÄKI: Automaatiojärjestelmän tiedonkeruun toteutus perustuen tarvittavaan informaatioon
Tampereen teknillinen yliopisto Diplomityö, 47 sivua, 6 liitesivua Toukokuu 2018
Konetekniikan diplomi-insinöörin tutkinto-ohjelma Pääaine: Tuotantotekniikka ja -automaatio
Tarkastaja: professori Kari T. Koskinen Avainsanat: tiedonkeruu, automaatio
Käynnissä oleva teollisuuden neljäs vallankumous ja esineiden internet ovat ulottaneet tiedonkeruun kaikkialle. Anturoinnin lisääntyminen ja tiedonsiirron arkipäiväistyminen on tuonut tiedonkeruun myös kuluttajien arkipäivään. Tässä työssä keskitytään teollisuu- den tiedonkeruuseen ja sen mielenkiintoiseen tulevaisuuteen.
Tämä työ koostuu sekä teoriaosuudesta että kokeellisesta osuudesta. Työn alussa käydään läpi mitä tutkimuksissa ja julkaisuissa aiheesta on käsitelty, ja mihin suuntaan tiedonke- ruu on kehittymässä. Kokeellisessa osuudessa tutkittiin, mitä tietoja automaatiojärjestel- mistä on hyödyllistä kerätä. Kerättävien tietojen määrittely tehtiin kohdeyrityksen asia- kaskunnassa toteutetun haastattelututkimuksen avulla. Tutkimuksen lisäksi, kokeellisessa osassa kohdeyritykselle laadittiin tiedonkeruukäytäntö ja sen pohjalta toteutettiin auto- maatiojärjestelmän tiedonkeruu. Laadittua tiedonkeruukäytäntöä yritys soveltaa jatkossa valmistamissaan automaatiojärjestelmissä.
Tutkimus toteutettiin haastattelemalla kohdeyrityksen asiakkaita. Tutkimuksessa selvitet- tiin, mitä automaatiojärjestelmistä peräisin olevaa informaatiota kohdeyrityksen asiak- kaat päivittäisessä toiminnassaan hyödyntävät. Heiltä kysyttiin, mitä automaatiojärjestel- miin liittyvää informaatiota he nykyään käyttävät, miten informaation pohjana olevia tie- toja kerätään, sekä mitä tulevaisuuden suunnitelmia heillä on tiedonkeräämiseen liittyen.
Vastauksista kootut tulokset jaettiin kahteen ryhmään. Ensimmäinen kuvastaa tämän het- ken tilannetta, muodostaen perustiedot. Toinen kokonaisuus muodostuu vastaajien näke- myksistä tulevaisuuden informaatio tarpeesta. Tässä osassa nousi esiin mielenkiintoisia tiedonkeruun tulevaisuuden mahdollisuuksia.
Tiedonkeruun toteutuksessa kahteen automaatiojärjestelmään rakennettiin tiedonkeruu, jonka pohjana oli tutkimuksen tulosten pohjalta kohdeyritykselle laadittu tiedonkeruu- käytäntö. Molempien järjestelmien tiedonkeruu määriteltiin keräämään ja tallentamaan järjestelmän tapahtumat keskusyksikkönsä muistikortille sekä siirtämään kerätyt tiedot automaattisesti kohdeyrityksen FTP-palvelimelle. Palvelimelle siirrettyinä tietoja voitiin analysoida ja tehdä tulkintoja järjestelmän toiminnasta.
Tiedonkeruujärjestelmän hyödyistä saatiin hyviä tuloksia jo testausvaiheen aikana. Hyvin määriteltyjen kerättävien tietojen pohjalta, kohdeyritys sai tietoa järjestelmien toimin- nasta ja pystyi kehittämään järjestelmien luotettavuutta. Ilman automaattista tiedonke- ruuta kehitys olisi vienyt enemmän aikaa. Tämän työn tulosten uskotaan helpottavan koh- deyrityksen asiakkaiden tiedonkeruuta ja tulevaisuudessakin nopeuttavan kohdeyrityksen tuotekehitystä.
ABSTRACT
TIMO TORTINMÄKI: Implementation of automation system data collection based on required information
Tampere University of Technology
Master of Science Thesis, 47 pages, 6 Appendix pages May 2018
Master’s Degree Programme in Mechanical Engineering Major: Manufacturing and Automation
Examiner: Professor Kari T. Koskinen Keywords: data acquisition, automation
The fourth industrial revolution and internet of things are extending the data acquisition to everywhere. Increasing number of sensors together with wireless data transfer technol- ogies are everyday life also for consumers. This thesis enters into on data acquisition in industrial environment and the interesting future of it.
This thesis consists of a theory part and an experimental part. The theory part gives an overview of some studies and publications about data acquisition and how data acquisi- tion is developing. The experimental part includes research about what information is useful to collect from automation system. The definition of the useful data was made through an interview study which carried out in the client companies. Based on the useful data definition a data collection practice was developed for the target company and based on practice, data collection of the automation system was implemented. The data collec- tion practice will be applied to all automation systems that company develops in the fu- ture.
The study was conducted by interviewing the clients of the company. The study found out which information from automation systems is used by the company's clients in their day-to-day operations. They were asked what information they are currently using from automation systems, how information is collected, and what future plans they have for data collection. The study results were divided into two groups. The first one reflects the present situation, forming the basic information. The second group reflects clients view of what information they might need in the future. This part raised interesting data col- lection opportunities for the future.
In the experimental part, the developed data collection practice was implemented into two automation systems. The data collection of both systems was defined to collect and store the system events on the memory card of its central unit and automatically transfer the collected data to the company's FTP server. Based on the transferred data some analyzes could be done to figure out the system condition and operations.
Data collection practice implementation showed good results during test period. Based on collected data, system operations were analyzed, and the company managed to develop the reliability of systems. Without automatic data collection, development would have taken more time. The result of this thesis are believed to help the company and its clients with their developing processes in the future.
ALKUSANAT
Tämä opinnäytetyö tehtiin Jomet Oy:lle ja haluankin alkuun kiittää yrityksen toimitus- johtaja diplomi-insinööri Aki Savosta saamastani mahdollisuudesta tehdä lopputyö juuri tähän minulle tuttuun yritykseen. Haluan lisäksi kiittää yrityksen automaatiopäällikköä diplomi-insinööri Juha Kiiskistä, jonka tuki, muun projektiryhmän ohella, on työn ko- keellisessa osassa ollut suureksi avuksi.
Ilman työni perustana olleen haastattelututkimukseen osallistujia tätä työtä ei olisi saatu tehtyä. Suuret kiitokset kaikille haastatteluun osallistuneille asiantuntijoille kustakin or- ganisaatiosta.
Työssä ohjaajana ja tarkastajana toimi professori Kari T. Koskinen. Häntä haluan kiittää saamastani asiantuntevasta ohjauksesta ja rakentavasta palautteesta.
Lopuksi haluan kiittää vaimoani kaikesta sekä tämän opinnäytetyön että koko opintojeni aikana saamasta kannustuksesta ja tuesta.
Liedossa, 12.5.2018
Timo Tortinmäki
SISÄLLYSLUETTELO
1. JOHDANTO ... 1
1.1 Tämän työn taustat ... 1
1.2 Työn tavoitteet... 2
1.3 Kohdeyritys ... 3
2. TIEDONKERUU AUTOMAATIOJÄRJESTELMÄSSÄ ... 4
2.1 Tiedonkeruun kehitys ja potentiaali ... 4
2.2 Tiedonkeruun järjestelmärakenne ... 7
2.3 Tiedonkeruu tuotantoympäristössä ... 11
2.4 Tiedon hyödyntäminen ja informaation esittäminen ... 16
2.5 Tulevaisuuden tiedonkeruu ... 18
3. INFORMAATIOTARPEEN SELVITYS ASIAKKAAN NÄKÖKULMASTA ... 22
3.1 Haastattelututkimuksen suunnittelu ja toteutus ... 22
3.2 Haastattelututkimuksen tulokset ... 25
3.3 Haastattelututkimuksen toteutuksen arviointi ... 28
3.4 Tarvittavan tiedon määritys tutkimustulosten pohjalta ... 29
4. AUTOMAATIOJÄRJESTELMÄN TIEDONKERUUJÄRJESTELMÄN SUUNNITTELU JA TOTEUTUS ... 33
4.1 Tiedonkeruukäytännön suunnittelu ja laadinta ... 33
4.2 Tiedonsiirron toteutus ... 36
4.3 Tiedon tallentaminen ... 38
4.4 Tiedonsiirron ja tallennuksen tietoturva ... 38
4.5 Tiedonkeruujärjestelmän testaus ... 39
4.6 Tiedon hyödyntäminen ... 41
4.7 Toteutuksen arviointi... 43
5. YHTEENVETO ... 45
5.1 Työn tavoitteiden täyttyminen ... 45
5.2 Toimenpide-ehdotukset ... 46
5.3 Jatkokehitys mahdollisuudet ... 46
LÄHTEET ... 48
LIITE A: TUTKIMUKSEN SAATE LIITE B: TUTKIMUSKYSYMYKSET LIITE C: TIEDONKERUUKÄYTÄNTÖ
KUVALUETTELO
Kuvio 1: Teollisuuden vallankumoukset [4] ... 5
Kuvio 2: ISA-95:n mukaiset järjestelmätasot ... 8
Kuvio 3: Automaatiolaitteet sovitettuna ISA-88.00.01:n fyysiseen malliin [12] ... 9
Kuvio 4: PackML tilamalli [12] ... 11
Kuvio 5: ISA-TR88.00.002 mukainen tyypillinen OEE virtausmalli [12] ... 12
Kuvio 6: Järjestelmätasojen välistä kommunikaatiota [19] ... 14
Kuvio 7: LeanMES projektissa toteutetut visualisoinnit [14] ... 17
Kuvio 8: Tuotantolaitoksista löytyviä verkkotyyppejä [24] ... 20
Kuvio 9: Tiedonsiirtoon käytetty verkkorakenne ... 37
Kuvio 10: Automaatiojärjestelmä johon tiedonkeruu implementoitiin ... 40
Kuvio 11: Yhteenvetonäkymä kerätystä tiedosta ... 42
LYHENTEET JA MERKINNÄT JA MÄÄRITELMÄT
B2MML Business To Manufacturing Markup Language
CBM Condition Based Maintenance
CM2025 China Manufacturing 2025
CPS Cyber Physical Systems
CSV Comma-separated values
FTP File Transfer Protocol
HMI Human-Machine Interface
IIoT Industrial Internet of Things
ISA Instrumentation, Systems, and Automation Society
I/O Input Output
IEEE The Institute of Electrical and Electronics Engineers Inc.
IIC Industrial Internet Consortium
IOT Internet of Things
IIOT Industrial Internet of Things MES Manufacturing Execution System
MESA Manufacturing Enterprise Solutions Association International MOM Manufacturing Operations Management
OEE Overall Equipment Effectiveness
OMAC The Organization for Machine Automation and Control OPC Object linking and embedding for Process Control OPC UA OPC Unified Architecture
PackML Packaging Machine Language PLC Programmable logic controller PLM Product Lifecycle Management
SCADA Supervisory Control and Data Acquisition SD-kortti Secure Digital
TPM Total Productive Manufacturing
USD United States Dollar
VPN Virtual Private Network
XML Extensible Markup Language
1. JOHDANTO
Teollisuudessa on käytetty automaattisesti toimivia laitteita ja järjestelmiä jo vuosikym- meniä. Alkuun laitteet olivat mekaanisesti ohjattuja. Sähköistymisen ja ohjaustekniikoi- den kehittyessä alettiin käyttää sähkötekniikkaan perustuvaa ohjaustekniikkaa, joka on tänä päivänä uudelleen ohjelmoitavissa ja etävalvottavissa. Näiden laitteiden ja järjestel- mien toiminta perustuu keskusyksikön ulkopuolelta saataviin sähköisiin signaaleihin, joi- den pohjalta ohjausta suoritetaan. Digitalisaation ja jo käynnissä olevan teollisuuden nel- jännen vallankumouksen myötä automaatiojärjestelmät kytketään verkkoon. Verkottumi- sen myötä automaatiojärjestelmän laitteet ohjelmoidaan keskustelemaan globaalisti kes- kenään, jakamaan ja keräämään tietoa sekä ohjaamaan toinen toisiaan automaattisesti.
Tämän käynnissä oleva teollisuuden neljännen vallankumouksen keskeinen osa on tämän työn aiheena oleva tiedonkeruu. Automaatiojärjestelmistä kerätyn luotettavan tiedon ana- lysoinnissa on päästy jo sille tasolle, että tekoälyn avulla on pystytty löytämään tuotanto- järjestelmästä kerättyä tietoa analysoimalla lopputuotteiden ongelmia ennen kuin tuotteet ovat päässet markkinoille. [1]
Sekä tiedonkeruu että kerätyn tiedon automaattinen analysointi, ovat tällä hetkellä hyvin ajankohtaisia aiheita ja niistä keskustellaan paljon. Tekoälyn hyödyntämistä on verrattu jopa teiniseksiin; ”kaikki puhuvat siitä, mutta harva on päässyt oikeasti kokeilemaan”.[2]
Kuten edellä jo mainittiin, automaatiojärjestelmien kohdalla tekoälyä on jo tuotantoym- päristössä onnistuneesti pystytty hyödyntämään. Vaikka aihetta tutkitaan ja aiheesta pu- hutaan paljon, oma arvioni on, että tällä hetkellä tuotantolaitoksissa kerättyä tietoa käy- tetään päivittäisen päätöksen teon apuna käytettävän informaation perustana. Informaa- tion luomisessa ei vielä laajamittaisesti hyödynnetä tekoälyn mahdollisuuksia. Nyt kerät- tyä ja tallennettuna tietoa voidaan tulevaisuudessa jakaa myös tekoälyn analysoitavaksi.
Tämän päivän automaatiojärjestelmien elinkaari on suhteellisen pitkä ja näin ollen myös olemassa olevista järjestelmistä kerättyä historiatietoa voidaan oletettavasti hyödyntää tu- levaisuuden tekoälysovelluksissa.
1.1 Tämän työn taustat
Tämän työn tutkimuskohteena on automaatiojärjestelmistä kerättävään tietoon perustu- van päivittäisen informaatio tarpeen selvittäminen. Tutkimus toteutettiin Jomet Oy:lle, jatkossa kohdeyritys, jonka asiakaskunnasta tutkimusjoukko valittiin. Kohdeyrityksen motiivi tälle tutkimukselle oli sekä parantaa asiakaspalvelua, että omaa tietoisuuttaan toi- mittamiensa automaatiojärjestelmien toiminnasta, elinkaaren aikaisen toimintavarmuu-
den kehittämiseksi. Tiedonkeruu ja kerätyn tiedon analysointi avaa mahdollisuuden koh- deyritykselle suunnata tuotekehityspanostuksia automaatiojärjestelmien todellisiin ongel- makohtiin, perustuen todelliseen kustakin järjestelmästä mitattuun tietoon. Tällä uskotaan olevan sekä asiakkaiden, että kohdeyrityksen kilpailukykyä parantava vaikutus.
Informaatiotarvetutkimuksen lisäksi, tässä työssä laaditaan kohdeyritykselle tiedonkeruu- käytäntö, ja toteutetaan automaatiojärjestelmän tiedonkeruu laadittavan tiedonkeruukäy- tännön mukaisesti. Tässä työssä automaatiojärjestelmä määritellään kohdeyrityksen val- mistamaksi elintarvikelinjan jälkipakkausjärjestelmäksi. Automaatiojärjestelmään kuu- luu yleensä useampia jälkipakkaukseen osallistuvia itsenäisiä laitteita.
1.2 Työn tavoitteet
Työn tavoitteena on märittää kohdeyritykselle tiedonkeruukäytäntö, jossa määritellään mitä tietoja kohdeyrityksen valmistamista pakkausjärjestelmistä kerätään. Haastattelutut- kimuksen avulla selvitetään kohdeyrityksen asiakaskunnan näkemyksiä tämän hetken in- formaatiotarpeista, sekä mitä visioita haastateltavilla on tulevaisuuden informaation käyt- töön liittyen. Tutkimuksen avulla löydetyt asiakasyrityksille hyödylliset informaatiot ja automaatiojärjestelmästä kerättävissä olevat tiedot otetaan huomioon tiedonkeruukäytän- töä määritettäessä. Haastattelututkimuksen tulosten pohjalta kohdeyritykselle laaditaan tiedonkeruuta varten kerättävälle tiedolle perustaso sekä määritellään oletuskäytännöt tie- donsiirrolle ja -tallennukselle. Tutkimuksen tuloksiin pyritään vastaamaan mahdollisim- man kattavasti kohdeyrityksessä oletuksena käytettävän PLC-ohjausjärjestelmän1 mah- dollisuudet huomioiden. Työn tavoitteena on lisäksi toteuttaa kohdeyrityksessä valmis- tuksessa olevaan automaatiojärjestelmään tiedonkeruu, laaditun tiedonkeruukäytännön mukaisesti. Toteutuksen tavoitteena on sisällyttää tiedonkeruukäytäntöön, sekä haastat- telututkimuksen pohjalta määritellyt asiakkaalle hyödylliset tiedot, että kohdeyrityksen sisäiseen käyttöön tarkoitettu tuotekehitystä tukevat tiedot. Tavoitteena on saada käyttöön systemaattinen ja laajennettavissa oleva tiedonkeruukäytäntö. Kerättäväien tietojen mää- rää voidaan myöhemmin laajentaa ja tallennetuille tiedoille voidaan myöhemmin löytää uusia käyttötapoja ja mahdollisia liiketoimintamalleja, tukemaan sekä kohdeyrityksen asiakaskuntaa että kohdeyrityksen omaa liiketoimintaa.
Kohdeyrityksen toimittamien automaatiojärjestelmien laajuudet sekä mekaaninen ja oh- jaustekninen rakenne vaihtelevat järjestelmä- ja toimialakohtaisesti. Tämän työn haastat- telututkimus on rajattu siten, että tutkimukseen valitaan kohdeyrityksen kotimaan päätoi- mialalta viisi asiakasta. Elintarvikealan ollessa kyseessä, valitaan tutkimukseen osallistu- jat toimialan eri sektoreilta, jotta saadaan mahdollisimman hyvä kattavauus, pienellä otannalla. Näiden lisäksi haastattelututkimukseen pyydetään mukaan toteutuksen koh-
1 Omron Electronics, NJ-sarjan PLC
teeksi valitun automaatiojärjestelmän loppuasiakas, joka toimii elintarvikealan ulkopuo- lella. Tutkimuksen tulosten pohjalta määriteltävä tiedonkeruukäytännön määrittely raja- taan siten, että se soveltuu käytettäväksi kohdeyrityksessä oletuksena käytettävän ohjaus- järjestelmän2 kanssa. Tiedossa oleva tarve on määrittää universaali ohjausjärjestelmästä riippumaton tiedonkeruukäytäntö. Tämä on kuitenkin rajattu tämän työn ulkopuolelle laa- juutensa vuoksi. Kokeellinen osuus toteutetaan jälkipakkausjärjestelmään, jossa on mu- kana myös konenäkötekniikkaan perustuvaa laadun tarkistusta sekä robotiikkaa. Kaikki perustuvat Omron Electronics:sin ohjaustekniikkaan. Näin ollen saadaan työn rajauksen sisällä todennettua tiedonkeruukäytännön toimivuus myös linjatasolla.
1.3 Kohdeyritys
Tämän työn toimeksiantajana toimi Jomet Oy. Kohdeyrityksellä on yli 40 vuoden koke- mus automaatiojärjestelmien toteuttamisesta eri teollisuudenaloille. Kohdeyritys on aloit- tanut toimintansa vuonna 1976, jolloin on perustettu insinööritoimisto Jomet Oy. Tänä päivänä kohdeyritys työllistää noin 60 työntekijää, jotka suunnittelevat ja valmistavat au- tomaatiojärjestelmiä eri teollisuudenaloille ympäri maailmaa. Yrityksen työntekijöistä noin kolmas osa on korkeasti koulutettuja. Kohdeyrityksellä on kotipaikka Forssassa, jossa sijaitsee sekä tuotantotilat että pääkonttori. Yrityksen liikevaihto on noin 9M€. Ko- timarkkina-alueenaan kohdeyritys pitää pohjoismaita, josta kertyy noin puolet yrityksen liikevaihdosta.[3]
Kohdeyritys suunnittelee ja valmistaa asiakaskohtaisia automaatiojärjestelmiä eri toimi- aloille tuotantolaitosten kappaleenkäsittely, jälkipakkaus ja lavaus tarpeisiin. Jakelulogi- tiikan pakkaustarpeisiin kohdeyritys on kehitellyt pakkausratkaisuja, joilla pystytään pak- kaamaan ja optimoimaan tilavuuden tarve lähetyskohtaisesti. Järjestelmät ovat PLC-oh- jattuja ja useat sisältävät robotiikkaa järjestelmän eri toimintojen toteutuksissa. Yritys tar- joaa toimittamilleen järjestelmille myös kattavat elinkaaripalvelut, joita tämän työn tu- lokset toivottavasti täydentävät.
2 Omron Electronics, NJ-sarjan PLC
2. TIEDONKERUU AUTOMAATIOJÄRJESTEL- MÄSSÄ
Tässä luvussa käydään läpi tämän työn ymmärtämisen kannalta olennaisia asioita ja tuo- daan esiin automaatiojärjestelmän tiedonkeruuseen liittyviä taustatietoja. Tämän työn si- sällön ymmärtämisen kannalta oleellisten asioiden lisäksi käydään läpi tiedonkeruun yh- teyksiä järjestelmätasolle ja luodaan katsaus tulevaisuuteen. Tiedonkeruu on aiheena hy- vin laaja ja linkittyy monille eri yhteiskuntatieteiden alueelle. Tässä katsauksessa keski- tytään teollisuudessa käynnissä olevaan neljännen vallankumouksen yhteyksiin tiedonke- ruuseen, sekä nostetaan esiin yhteyksiä pakkaavaan teollisuuteen, jossa kohdeyritys toi- mii.
2.1 Tiedonkeruun kehitys ja potentiaali
Teollisuuden neljännen vallankumouksen käynnistyminen on koko globaalia yhteiskun- taa muokkaava verkottumiseen, tiedonkeruuseen ja -vaihtoon linkittyvä digitalisaatioon perustuva megatrendi, jossa koneet ja laitteet yhdistyvät digitaaliseen maailmaan muo- dostaen itsenäisesti toimivia kyberfysikaalisia järjestelmiä, Cyber-Physical Systems, CPS. Kyberfysikaalisissa järjestelmissä tietotekniikka ja fyysinen prosessi yhdistyvät.
Kuviossa 1 on esitetty teollisuuden tähänastiset vallankumoukset. Neljännelle teollisuu- den vallankumoukselle on erityisesti teollisuudessa otettu käyttöön yleistetty otsikko te- ollisuus 4.0. Tämä, alun perin ”Industrie 4.0”, on yksi osa Saksan hallituksen 2011 lan- seeraamaa kymmenen kohtaista ”High-Tech Startegy 2020 Action Plan” kokonaisuutta.
Tätä strategiaa on myöhemmin päivitetty itsenäiseksi kokonaisuudeksi saksalaiseen ta- paan hyvin täsmällisesti pykälä kerrallaan, ensin 2012 Industrie 4.0 Working group:issa, jonka raportin pohjalta Industrie 4.0 Platform jatkoi vuonna 2013. Saksan hallituksen al- kuperäinen Industrie 4.0:lle asettama tavoite oli turvata maan valmistavanteollisuuden asema globaaleilla markkinoilla myös tulevaisuudessa. Tätä visiota luodessa Saksan hal- lituksen tulevaisuuteen katsova tavoite oli olla sekä suunnan näyttäjänä yksilöllisten tuot- teiden sarjavalmistuksessa että näiden valmistusjärjestelmien merkittävä globaali toimit- tajamaa. Kävipä Saksan tässä tavoitteessa miten hyvänsä, on jo nyt selvää, että teollisuu- den parissa Industry 4.0 on huomattu laajalla rintamalla. Lähes poikkeuksetta automaa- tioalan järjestelmä-, laite- ja komponentti valmistajat ovat huomioineet tämän vision vä- hintään markkinoinnissaan. [4, 5]
Saksan esimerkin innoittamana muitakin maita ja tahoja on käynnistänyt erinäisiä teolli- suuden tulevaisuuteen liittyviä hankkeita. EU:lla on Horizon 2020 tutkimus ja innovaatio ohjelman alaisuudessa ”Factories of the Future”, Ranskalla on oma ”Industry of the Fu- ture”, Iso-Britannialla on ”High Value Manufacturing Catapult”. Amerikassa johtavat teknologia yritykset perustivat Industrial Internet Consortiumin (IIC) vuonna 2014, joka
pitää itseään maailman johtavana teollisen internetin, Industrial Internet of Things (IIoT), kiihdyttäjänä. Kunnianhimoisimmaksi visioksi on mainittu China Manufacturing 2025 (CM2025), jolla Kiinan hallitus pyrkii saamaan osin vielä toisella teollisuuden vallanku- mousasteella olevaa teollisuuttaan suoraan neljännen vallankumouksen vauhtiin.
CM2025 käyttää lähestymistapanaan Kiinalle tyypillistä ylhäältä alaspäin toteutusta.
Tämä on päinvastainen toteutus kuin esimerkiksi teollisuus 4.0, jossa kehitys lähtee yri- tystasolta.[6]
Kuvio 1: Teollisuuden vallankumoukset [4]
Kaikkia yhteiskunta-alueita yhdistävä neljännen teollisen vallankumouksen ilmentymä on kaikkialle levittyvä tiedonkeruu, joka internetin välityksellä yhdistää lähes kaikki verkkoon liitetyt laitteet pilvipalveluihin. Tätä kaikkialle linkittyvää esineiden internettiä, Internet of Things (IoT) koskevassa tutkimuksessaan McKinsey Global Institute on käsi- tellyt IoT:tä kokonaisvaltaisesti ulottaen tutkimuksensa eri yhteiskunta-alueille. Tutki- muksessa perehdytään esineiden internetin taloudelliseen potentiaaliin ja arvioidaan, mitä vaikutuksia sillä on globaalisti yhteiskuntaan vuonna 2025, kymmenen vuotta tutkimuk- sen julkaisusta. Esineiden internetin potentiaaliseksi talousvaikutukseksi tutkimuslaitos on laskenut vuositasolla jopa yli 11 biljoonaa Yhdysvaltain dollaria, United States Dollar (USD). Tämä vastaa noin 11% maailman pankin arvioimasta vuoden 2025 koko maail- man vuosittaisesta bruttokansantuotteesta, jonka on arvioitu olevan 99,5 biljoonaa USD.
Tästä summasta tehdasympäristöjen3 osuudeksi on arvioitu jopa 3,7 biljoonaa USD. Teh- dasympäristöjen suurimmaksi potentiaaliksi on arvioitu tuotannon toimintojen opti- mointi, jolla on arvioitu olevan jopa 1766 miljardin kustannuksia alentava potentiaali.
Ennakoivan kunnossapidon osuudeksi on arvioitu 627 miljardia, perustuen jopa 40% kus- tannus säästöihin. [7]
Käytännön esimerkkeinä teollisen internetin sovelluksista McKinsey Global Institute esittää mm. tuotannon laadullisten parametrien reaaliaikaisen monitoroinnin. Esimerk- kinä tuotanto-olosuhteiden laadullisesta seurannasta ja optimoinnista käytetään Harley- Davidsonin moottoripyörien runkomaalaamoa, jossa tuuletusta säädetään reaaliaikaisesti tehtyjen olosuhdemittausten mukaan. Tällä on saavutettu maalausprosessille vakio-olo- suhteet, jotka ovat aikaisemmin vaihdelleet ja aiheuttaneet laatuvaihtelua lopputulokseen.
Ennakoivan kunnossapidon esimerkkinä on esitetty liitettävyyden ja anturoinnin mahdol- listama jatkuva reaaliaikainen kunnonvalvonta. Tutkimuksessa nostetaan esiin, että reaa- liaikaisen monitoroinnin ja pilvipalveluiden avulla IoT voi muuttaa teollisuuden kunnos- sapidon toimintamallia kohti ennustavaa ja estävää periaatetta. Laajan tietopohjan ja pil- vipohjaisen analytiikan avulla alkava ongelma saatetaan pystyä tekoälyn ennustuksen pohjalta estämään ja näin mahdollisesti välttymään ennakoimattomilta tuotantohäiriöiltä.
[7]
Edellä mainitun esineiden internet ilmausta on vuonna 1999 käyttänyt Kevin Ashton esi- tellessään Proctor & Gamble:lle RFID:n 4mahdollisuuksia ja vaikutuksia liiketoimintaan.
[8] Sittemmin IoT:lle on esitelty erilaisia määrityksiä mm. käyttöympäristön mukaan.
IEEE-SA5 toteaa ”Internet of things (IoT) ecosystem study” julkaisussaan, että IoT:lle ei ole virallista määritelmää. Samassa julkaisussa todetaan, että IoT viittaa mihin tahansa fyysisen kohteen ja IT-alustojen yhteenliittymiseen sekä mihin tahansa fyysisen maail- man hallinnan parantamiseen tiedonkeruun, älykkään verkottumisen, ennustavan analy- tiikan ja optimoinnin avulla. [9] Esineiden internet on käsitteenä yleismaailmallinen ja ensisijaisesti sillä viitataan kuluttaja laitteisiin. Teollisuuden IoT ratkaisuille on otettu käyttöön ilmaus teollinen internet, Industrial Internet of Things (IIOT). [8]
Automaatiojärjestelmän tiedonkeruun näkökulmasta, tiedonkeruulla on perustavaa laatua olevat yhteydet sekä teollisuus 4.0:an että IIoT:hen. Yhteistä molemmille määritelmille on, että keskeisenä osana toimivat anturointi, älykäsverkottuminen, tiedonkeruu, tallen- nus ja -analysointi. Kumpaa termiä tahansa käytetään, se mitä tietoja kerätään, miten tie- dot siirretään ja mihin ne tallennetaan, vaikuttavat olennaisesti yleiseen käsitykseen siitä, mihin viitekehykseen automaatiojärjestelmä kulloinkin linkitetään. Huomionarvoista on, että voidaan puhua myös paikallisesti toteutetusta IoT:stä. Tällöin varsinaista internet yh-
3 mukana on prosessi- ja kappaletavarateollisuus, datakeskukset, maatalous ja sairaalat
4 Radio Frequency Identification
5 Institute of Electrical and Electronics Engineers Standards Association
teyttä ei välttämättä ole ollenkaan, vaan laitteiden kommunikoinnit on toteutettu paikal- lisella verkottumisella. Paikalliset serverit toimivat tiedon tallennus ja analysointi alus- tana pilvipalveluiden sijaan. [9]
2.2 Tiedonkeruun järjestelmärakenne
Teollisuudessa eri tietojärjestelmiin on kerätty tietoja lisääntyvässä määrin aina tietotek- niikan käyttöönotosta lähtien. Tuotantotietoja kerättäessä tiedot kerätään tuotannonoh- jausjärjestelmän ja mahdollisesti toiminnanohjausjärjestelmän tietokantoihin, kun taas kunnossapitojärjestelmään kerättävät tiedot tallennetaan yleensä kunnossapidonjärjestel- mien omiin tietokantoihin. Järjestelmissä saattaa olla myös päällekkäisiä tietoa ja järjes- telmät voivat jakaa tietoja myös keskenään kukin omista tietokannoistaan. Automaattinen tietojen keräys suoraan automaatiojärjestelmästä lisää tiedon luotettavuutta ja reaaliaikai- suutta, vähentäen manuaalisen kirjauksen viiveitä ja inhimillisiä virheitä. Luotettavaan kerättyyn tietoon perustuen automaatiojärjestelmän seuranta, analysointi ja ohjaus on mahdollista toteuttaa reaaliaikaisesti.
Tiedonkeruun toteuttamisen yhtenä merkittävänä osana on yhdistää automaatiojärjestel- män tietoa tuottavat tuotantoprosessin osat tietoa kerääviin automaatiojärjestelmään lii- tettyihin ylemmän tason tietojärjestelmiin. Tätä järjestelmäintegraatiota on teollisuusym- päristöön standardoinut International Society of Automation (ISA). ISA:n laatimat ISA- 956, Enterprise-Control System Integration ja ISA-887, Batch Control standardit määrit- tävät mm. terminologiaa ja rajapintoja eri järjestelmien ja eri järjestelmätasojen välille.
Automaatiojärjestelmiä yhdessä ISA-88:n kanssa yhtenäistää myös Organization for Machine Automation and Control:lin (OMAC) määrittämä Packaging Machine Language (PackML). Nimestään huolimatta PackML on sovellettavissa sekä pakkauslaitteissa, että muissa tuotantoautomaatiolaitteissa, laajentaen ja yhtenäistäen ISA-88 standardin sovel- tamista prosessiautomaatiosta myös kappaletavara-automaatioon.
Teollisuusyritysten järjestelmäintegraation määrittelemisen avuksi laadittu ISA-95 stan- dardi yhtenäistää sekä terminologiaa että tuotannon- ja toiminnanohjaukseen liittyviä toi- minnallisuuksia. Keskeinen lähtökohta järjestelmäintegraation määrittelyssä on muodos- taa standardin soveltamisen pohjaksi kuvaus yrityksen järjestelmähierarkiasta rajapintoi- neen. ISA-95 standardi esittää viisi tasoisen mallin, joka kuvaa yrityksen eri toimintoja kerroksittain. ISA-95 standardissa on annettu määritelmät kaikille viidelle tasolle toimin- nallisuuksineen, tasot on esitetty kuviossa 2. Näistä viidestä tasosta ISA-95 standardi kes- kittyy ylimpien tasojen toiminnallisuuksiin ja näiden tasojen väliseen integraatioon; taso neljä on Liiketoiminnan suunnittelu & logistiikka -taso (Business Planning & Logistics) ja taso kolme on tuotannonohjaus -taso (Manufacturing Operations Management). Näistä tasoista käytetään yleisesti myös nimityksiä ERP-taso (Enterprise Resource Planning) ja
6 ANSI/ISA-95 on kansainvälisesti IEC/ISO 62264
7 ANSI/ISA-88 on kansainvälisesti IEC 61512
MES-taso (Manufacturing Execution System). Erityisesti MES-tason järjestelmät toimi- vat tuotantotietojen keräys ja tallennus järjestelminä. MESA:n (Manufacturing Enterprise Solutions Association International) määritelmä MES:sille on: ”MES on järjestelmä, joka tuottaa informaatiota ja joka mahdollistaa tuotannon optimoinnin tilauksesta valmiisiin tuotteisiin. MES käyttää tarkkaa reaaliaikaista tietoa, jonka pohjalta MES sekä ohjaa tuo- tantolaitoksen tapahtumia että reagoi ja raportoi niistä. Tuloksena on nopea reagointi muuttuviin olosuhteisiin vähentäen tuottamatonta toimintaa, ajaen tehokkaasti tuotanto- laitoksen toimintaa ja prosesseja”. [10]
Kuvio 2: ISA-95:n mukaiset järjestelmätasot
ISA:n viimeisimmät ISA-95 standardiin viime vuonna tekemät päivitykset sekä tekeillä ja lausuntokierroksella olevat päivitykset vievät standardia kohti laajempaa integraatiota sekä IIoT:n ja teollisuus 4.0:n mahdollistavia ratkaisuja. Näitä päivityksiä ovat mm. ta- pahtumaperusteinen kommunikointi sekä kommunikointi suoraan tarvittavan tiedon tuot- tajalta tiedon tarvitsijalle (End-to-End). Kommunikointi tapahtuisi suoraan riippumatta kommunikoivien osapuolien järjestelmätasoista ja fyysisestä sijainnista. Molempien päi- vitysten tavoitteena on parantaa tiedon saatavuuden reaaliaikaisuutta kaikilla järjestelmä- tasoilla. Tiedonsiirron osalta standardiin on tehty päivityksiä kohti avoimempaa ja proto- kollariippumatonta tiedonsiirtoa. Tämä avaa mahdollisuuksia käyttää sekä nykyisin käy- tössä olevia tiedonsiirtotapoja että protokollariippumattomana myös tulevaisuuden IIoT- ratkaisujen käyttämiä toistaiseksi määrittämättömiä ratkaisuja. [11]
ISA-95:n pääpaino on pystysuunnassa tapahtuvassa järjestelmätasojen välisessä integraa- tiossa. Vastaavasti ISA-88 standardin pääpaino on automaatiojärjestelmätasolle keskitty- vässä vaakasuuntaisessa integraatiossa tasoilla 0-2 ja keskittyy tasolta 3 alaspäin tapah- tuvaan kommunikointiin. ISA-88.01-1995 Batch Control on nimensä mukaan laadittu alun perin erätuotantoa yhtenäistäväksi standardiksi. Sen laadinnassa on kuitenkin huo- mioitu, että monissa erätuotannon tunnusmerkistön täyttävässä tuotantolaitoksessa on myös muita tuotantomuotoja. Muiden tuotantomuotojen huomiointi on mahdollistanut standardin soveltamisen kokonaisvaltaisemmin muuttuvissa tuotantoympäristöissä. ISA- 88:n soveltamisen helpottamiseksi ISA on laatinut teknisen raportin ISA-TR88.00.02- 2008. Teknisen raportin tarkoituksena on laajentaa ISA-88 standardin hyödyntäminen myös kappaletavara-automaatioon. Tekninen raportti yhdistelee ISA-88:n ja OMAC PackML:n määrityksiä ja terminologiaa sekä esittelee esimerkkien kautta näiden standar- dien soveltamista. Kuviossa 3 on esitetty ISA-88 mukainen fyysinen malli keskellä, jonka eri tasoille on viittaukset automaatiojärjestelmää kuvaavan pakkauslinjan osista. Tekni- sen raportin yhtenäistäessä standardien määritelmät, jatkossa tässä työssä käytetään PackML ilmausta tarkoittaen sekä ISA-TR88.00.02.2008:n, että OMAC PackML:n sisäl- töä. [12]
Kuvio 3: Automaatiolaitteet sovitettuna ISA-88.00.01:n fyysiseen malliin [12]
Yhtenäistämisellä ja standardoinnilla on yleismaailmallisesti tunnetut hyödyt selkeyttäen ja yhtenäistäen eri toimijoiden välistä vuorovaikutusta. Automaatiojärjestelmän tiedon-
keruun kannalta sekä terminologian että rajapintojen yhtenäistämisellä saadaan vähennet- tyä sekä tiedonkeruujärjestelmän integraatioon tarvittavaa työtä, että tätä kautta saadaan pienennettyä kustannuksia. Standardoidun terminologian hyödyntäminen kaikilla auto- maatiojärjestelmään yhteydessä olevien tahojen kesken vähentää ristiriitaisuuksia ja lisää kokonaisuuden luotettavuutta. Kuten edellä on mainittu, OMAC PackML on erityisesti pakkauskoneiden ja -järjestelmien yhtenäistämiseen pyrkivä standardi. PackML tähtää laite- ja järjestelmästandardointiin mm. siten, että sekä käyttäjä rajapinnat että kommuni- kointi rajapinnat olisivat laitteista riippumatta yhtenäiset. Erityisesti laitteiden välisten kommunikointien, ns. vaakaintegraation, yhtenäistäminen tukee myös tiedonkeruun tar- koitus periä. [13]
Automaatiojärjestelmän tiedonkeruun tavallisimmat seurattavat tiedot ovat, tuotanto- määrä, tuotantolaitteen toiminta- ja häiriötilaa kuvaavat tiedot. [14] PackML:n keskeinen laitteiden ja järjestelmien sisäiseen ohjaukseen standardoitu osuus on toimintatilat ja kontrollimoodit. Tilamuutosten pohjalta toimiville laitteille käytetään automaatiojärjes- telmien yhteydessä ilmausta tilakone, State Machine. Tilakone määrityksen taustalla on ajatus laitteen jakamisesta osiin, omiksi tilakoneiksi, jotka kommunikoivat keskenään ti- laperusteisesti. Laitteen sisäisen järjestelmän ollessa standardin mukainen, muodostetaan laitteesta tai järjestelmästä kokonaisuutta kuvaava tilakone, joka kommunikoi standar- doidusti ulkoisiin rajapintoihin yhteydessä olevien muiden järjestelmän osien ja ylempien järjestelmien kanssa. [14]
PackML standardissa järjestelmäntiloja on määritelty 17 ja kontrollimoodeja on kolme, joita laitevalmistaja voi harkintansa mukaan ottaa käyttöön lisää. Tilat ja tilojen väliset yhteydet on esitetty kuviossa 4. Standardin mukaisten tilojen käyttäminen voidaan ulottaa myös järjestelmän yksittäisiin osiin, omiksi tilakoneiksi. Sovelluksesta riippuen jopa toi- milaite kohtaisesti muodostetuiksi tilakoneiksi. Pakkauskoneen rakennetta on kuvattu ku- viossa 3, jossa vasemman reunan pakkauskone, on jaettu ensin asemaan, Station, ja asema toimilaitteeseen, Actuator. Kumpiakin voi järjestelmässä olla useampia. Tilamallit voi- daan näin hyödyntää standardin tarkoittamalla tavalla myös laitteen sisäisessä ympäris- tössä. Eri osioille määritetään omat tilakoneet, jotka kommunikoivat standardin mukai- sesti keskenään. Käyttöliittymän, Human-Machine Interface (HMI), tulee rakentua oh- jausyksikön ylimmän tason tilakoneeseen. Loppukäyttäjän näkökulmasta standardoituun tilakoneeseen perustuva HMI helpottaa järjestelmien ymmärtämistä ja integrointia tuo- tantoympäristöön. Kun tuotantoympäristön HMI:t perustuvat samoihin yhtenäistettyihin tilamalleihin, on standardin mukaisten järjestelmien käyttö yhtenäistä. Tämä vähentää mm. henkilökunnan koulutustarvetta ja mahdollistaa operaattoreiden joustavamman työ- kierron automaatiojärjestelmien välillä. Yhtenäistettyjen käyttöliittymien ja kommuni- kointirajapintojen tuomat hyödyt laitteiden ja järjestelmien loppukäyttäjille on määritelty yhdeksi PackML standardin tavoitteeksi. [13]
Kuvio 4: PackML tilamalli [12]
Automaatiojärjestelmän ulkoiseen kommunikaatioon käytetään koneen tai järjestelmän ylimmän tason tilakonetta. Laitteiden väliseen kommunikaatioon PackML määrittää PackTagit, jotka ovat valmiiksi nimettyjä muuttujia. Näiden avulla laitteet voivat kom- munikoida ja välittää tietoja keskenään standardissa määriteltyjä viestejä käyttäen. Kom- munikointia varten PackTagit on jaoteltu ryhmiin, komento (Command), tila (Status) ja hallinta (Administration). Tiedonkeruu näkökulmasta standardin määrittämät PackTagit antaa valmiit määrittelyt tavallisesti käytössä oleville kerättäville tiedoille kuten; laitteen tila, hälytykset ja tuotelaskurit. Standardissa mainitaan kommunikointi esimerkkinä Et- hernet pohjainen toteutus OPC8 kommunikointina. Standardoidun kommunikointi proto- kollan käyttäminen helpottaa järjestelmien yhteenliittämistä. [12, 13]
2.3 Tiedonkeruu tuotantoympäristössä
Automaatiojärjestelmien tiedonkeruun tarkoituksena on tukea yrityksen toimintoja ja toi- mia pohjana päätöksenteolle. Kerättyjen tietojen analysointi ja jalostaminen on usein rää- tälöity kunkin yrityksen omiin tarkoitusperiin. Riippuen kulloisestakin informaatiotar- peesta, kerättävät tiedot ja jalostusaste voivat tuotantolaitoskohtaisesti vaihdella merkit- tävästi. Suomalaisissa valmistavanteollisuuden yrityksissä automaatiojärjestelmistä kerä- tään automaattisesti mm. käyttötunteja, käyttöasteita, OEE-tietoa, asetus- ja prosessoin- tiaikoja sekä häiriötietoja. Yksi yleisimmin käytetyistä tuotannon tunnusluvuista, Key Performance Indicator (KPI), on edellä mainittu Overall Equipment Effectiveness (OEE),
8 Object linking and embedding for Process Control, lisätietoja www.opcfoundation.org
joka kuvaa tuotannon kokonaistehokkuutta, yhdistäen useamman parametrin. Tuotanto- linjoilta automaattisesti kerätyn tiedon pohjalta tehdyt analysoinnit eivät sisällä inhimil- lisyyteen pohjautuvia vaihteluita. Manuaalisesti tehtyyn tiedonkeruuseen ja analysointiin verrattuna automaation avulla informaation luotettavuus ja reaaliaikaisuus paranee, sa- malla kun resursseja vapautuu tuotannon muihin tehtäviin. [15]
OEE määrittelyn on vuonna 1982 esitellyt Seiichi Nakajima kirjassaan TMP tenkai. Ny- kyisin OEE:n soveltaminen on myös osa PackML standardia. OEE:n suomalainen kään- nös on KNL (Käytettävys, Nopeus ja Laatu) ja nämä molemmat koostuvat kolmesta eril- lisestä parametrista; käytettävyys (Availability), nopeus (Performace) ja laatu (Quality).
Suomenkielinen versio KNL on määritelty kansallisessa PSK 6201 standardissa, jota yl- läpitää PSK standardointiyhdistys ry. Kuviossa 5 on esitetty OEE:n virtausmalli ja PackML standardissa esitellyt OEE:n osatekijät. PackML standardissa on esitetty, miten OEE:n laskenta voidaan suorittaa käyttämällä standardissa määriteltyjä PackTag:ejä.
OEE on määritelty PackML standardissa pakkauslaitteiden operointipaneeleissa esittämi- sen näkökulmasta. Tämä tukee standardin ”common look and feel” ajatusta, jossa tuotan- toympäristön kaikki laitteet näyttäytyisivät käyttäjille mahdollisimman samanlaisina ja vertailukelpoisina. [13, 16, 17]
Kuvio 5: ISA-TR88.00.002 mukainen tyypillinen OEE virtausmalli [12]
Automaatiojärjestelmästä kerättävien tuotantotietojen tallennus, analysointi ja visuali- sointi toteutetaan yleensä joko MES- tai ERP-järjestelmien käyttöliittymissä, tai molem- missa. Tiedonkeruuseen perustuva informaatio on teollisuudessa yleisesti linkitetty ai- kaan perustuvaksi informaatioksi. Riippumatta teollisuuden alasta, yleiset tuotannon te- hokkuuden seurantaan liittyvät mittarit perustuvat valitun seurantajakson aikana tuotan- nossa tapahtuneisiin suoritteisiin tai tapahtumiin. Mittarit voi olla joko yleisiä, kuten
edellä mainittu OEE9, tai tietylle tuotantoprosessille räätälöityjä kyseisten prosessien ominaisuuksia kuvaavia mittareita. Kerättävien tietojen määrittelyssä kukin tuotantoyk- sikkö tekee valinnat omien informaatiotarpeidensa mukaan. Aikaan sidottuna kerätyistä tiedoista saadaan muodostettua ”juoksevia” visuaalisia graafisia esityksiä, joita voidaan paikallisesti integroida laitteen tai järjestelmän käyttöliittymään ilman ylemmän järjestel- män automaattista analysointia. [14]
Tiedonkeruulla pystytään seuraamaan automaatiojärjestelmän todellista käyttöastetta ja tämän pohjalta resurssien käyttöä on mahdollisuus optimoida. Optimointiin yhdistyy kun- nossapidollisia analysointeja, kuten käytettävyyteen ja vikataajuuksiin perustuvat analyy- sit, joita voidaan seurata automaattisesti kerätyistä tiedosta. Optimointina voidaan nähdä eri katsontakannalta ja lähestymistavalta hieman eri asioita, yhteistä näille kuitenkin on, että käytettävissä oleva tuotantokapasiteetti on hyödynnettävä mahdollisimman hyvin.
Tiedonkeruulla voidaan tuotannon seuraamisen lisäksi helpottaa tuotantohäiriöiden löy- tymisessä ja nopeuttaa palautumista. Tiedonkeräämisen hyödyntäminen häiriökohteiden parantamisessa ja pullonkaulojen paikallistamisessa onkin yleistä. Vianhaussa tiedonke- ruun hyödyntäminen perustuu häiriösyiden seurantaan. Näistä voidaan myös esiintyvyy- den pohjalta muodostaa vikataajuuksia, trendejä sekä ennusteita. [15]
Automaatiojärjestelmän ja tietoa keräävien järjestelmien väliset yhteydet ja rajapinnat ovat keskeisiä tuotantoympäristössä käytettävän tiedonkeruujärjestelmän määrittelyn kohteita. Toiminnanohjausjärjestelmä (ERP) ja tuotannonohjausjärjestelmä (MES) kerää näiden järjestelmien alapuolella olevien tuotantojärjestelmän osien tuottamaa tietoa omiin tietokantoihinsa vain, kun yhteydet tiedon tuottavaan osapuoleen ovat kunnossa. Eri jär- jestelmätasojen määrittelyn ohella yhteyksiä ja rajapintoja on standardoitu sekä ISA-95 että ISA-88 standardeissa. Tuotantoympäristöjen verkottumisen ja tiedon jakamisen li- sääntyessä perinteisten tämän hetkisten standardien määrittämä portaittain tasolta toiselle siirtyvä tiedonvälitys korvautuu suoralla kommunikoinnilla tiedon tuottajan ja tiedon tar- vitsijan välillä. Suoriin yhteyksiin hyödynnettävissä olevat rajapinnat alkavat olla ylei- sesti käytettävissä. Laitekannan uusiutuessa ja olemassa olevien järjestelmien päivitty- essä hyödyntämismahdollisuudet paranevat myös kohtuullisen hitaasti muuttuvissa tuo- tantoympäristöissä.
ISA-95 standardissa on kuvattu oliokaavioina tason kolme järjestelmän sekä ylempien että alempien järjestelmien välillä siirrettäviä tietoja. Useissa ohjelmistoissa on käytössä XML-tiedonesitystapa. Integraation helpottamiseksi ISA-95 standardin tietomallit on to- teutettu Business to Manufacturing Markup Language:n (B2MML) avulla. MESA hallin- noi sekä ISA-95 standardia että B2MML. ISA-88 standardissa on määrityksiä sekä pysty että vaaka integraatioon. Molempiin suuntiin tapahtuvaan kommunikointiin voidaan käyttää ISA-TR88.00.02:ssa viitattua OPC kommunikointia. OPC:n uusin versio OPC
9 OEE, Overall Equipmment Effectiveness
Unified Architecture (OPC UA) on abstraktiin tietomalliin perustuvana yleisesti käytet- täväksi soveltuva rajapinta. OPC UA on OPC Foundation:in kehittämä ja nykyisin mää- ritelty kansainvälisessä standardissa IEC 62541. OPC UA perustuu palvelin – asiakas (server-client) tyyppiseen kommunikointiin, jossa toinen osapuoli kysyy tietoa ja toinen vastaa kyselyyn. Koska asiakas kyselee palvelimelta tietoja perustuen palvelimen IP- osoitteeseen, voidaan tietoja vaihtaa järjestelmätasosta ja fyysisestä sijainnista riippu- matta. Edellytyksenä on, että osapuolten välillä on joko paikallinen verkkoyhteys tai in- ternetyhteys. Kuviossa 6 on kuvattuna järjestelmien välisiä rajapintoja edellä mainituilla tiedonsiirtomenetelmillä. [14, 18, 19]
Kuvio 6: Järjestelmätasojen välistä kommunikaatiota [19]
Tuotantolaitoksessa teollisen internetin verkottuminen alkaa anturi ja toimilaitetasolta, ISA-95:n mukaiselta tasolta 1, ja etenee joko vaiheittain tai suoraan toiminnanohjausta- solle, tasolle 4. Teollisuus 4.0:n ajatus verkottuvan maailman itseohjautumisesta vaatii kommunikointirajapinnat kaikille järjestelmän päällekkäisille tasoille. Tämä on mahdol- lista toteuttaa, joko yhdistämällä anturi- ja toimilaitetason yksiköt suoraan samaan verk-
koon tietoa tarvitsevan järjestelmän kanssa, tai käyttämällä erillistä gateway-yksikköä ra- japintana, josta voidaan sekä kerätä tietoja, että ohjata ja määrittää parametrejä kaikille järjestelmän osille. Tuotantoympäristössä laitteen tai järjestelmän keskusyksikkö esim.
PLC tai PC voi toimia yhteyden luojana antureille ja toimilaitteille. Tähän kaikkien osa- puolien välisiin yhteyksiin soveltuu OPC UA, joka verkkoyhteyden puitteissa mahdollis- taa kommunikoinnin anturitasolta lähtien ja jatkuen aina internet pohjaisiin pilvipalvelui- hin asti. [18]
Käytännön tasolla OPC UA mahdollistaa tuotantolaitoksen sisällä toteutettavan tietojen vaihdon sekä automaatiolaitteiden ja automaatiojärjestelmien välillä että automaatiojär- jestelmistä ja laitteista tietojärjestelmiin. OPC UA:n suorituskyky ei riitä nopeaan ja jat- kuvaan reaaliaikaisen tiedon lukemiseen ja toimilaitteiden ohjaukseen. Laitteiden ja jär- jestelmien ohjauksessa on yleensä käytettävä laitekohtaisesti valittua tarkoituksen mu- kaista kenttäväylää tai suoraa I/O-ohjausta reaaliaikaisen ohjauksen aikaan saamiseksi.
Järjestelmien väliseen tiedonvaihtoon ja tiedonkeruuseen, jossa tietoa keräävä osapuoli kyselee tarkoituksen mukaisin väliajoin tarvitsemiaan tietoja, OPC UA puolestaan sovel- tuu hyvin. Standardoidulla koko yrityksen kattavalla rajapinnalla on mahdollista löytää kustannustehokkaita tapoja toteuttaa sekä pysty että vaaka integraatiota. [18]
Kerättäessä tietoa automaatiojärjestelmästä on tiedon jatkohyödyntäminen mahdollista vain, kun tiedot on tallennettu siten, että se on helposti löydettävissä ja luettavissa. Tieto- jen kerääminen ja tallentaminen niin, että kaikki mahdollinen tieto kerätään ja tallenne- taan, saattaa muodostaa valtavan tietomäärän. Suurten tietomäärien tallentaminen paikal- lisesti voi olla haasteellista ja kuluttaa turhaan resursseja. Kerättävien tietojen määritte- lyssä onkin syytä käyttää harkintaa ja analysoida, mitkä tiedot ovat tarpeellisia ja mikä on tiedon käytettävyyden kannalta riittävä näytteenottotaajuus. Tietojen tallennuksessa on kokoanisintegraation kannalta hyödyllistä käyttää standardoituja tietomalleja. ISA-95 standardissa on määritykset tiedonsiirron ohella myös standardille tietomallille. Mitä sy- vempi pystysuuntainen integraatio yrityksessä on, sitä tärkeämmäksi yhtenäisen tietomal- lin merkitys eri järjestelmien välillä muodostuu. Jotta tietojen merkitys pysyy samana kaikissa vaiheissa, on syytä käyttää myös samaa standardoitua terminologiaa kaikilla jär- jestelmätasoilla.
Tietomallin yksityiskohtainen määritys on keskeinen osa tietojärjestelmän määritystä ja tähän on syytä perehtyä jo järjestelmää valittaessa. Hyvin suunniteltu johdonmukainen tietomalli tukee yrityksen toimintaa koko järjestelmän elinkaaren ajan. Vastaavasti epä- onnistunut tietomallin toteutus saattaa rajoittaa yrityksen toimintoja kaikilla järjestelmä- tasoilla. Erillisten järjestelmien hyödyntäminen eri tasoilla, saattaa olla hyvä ratkaisu yri- tyksissä joissa on paljon toiminnallisuuksia. Näin eri toiminnoille voidaan valita parhai- ten yrityksen toimintaan soveltuva järjestelmä ilman kokonaisuuden vaatimia kompro- misseja. Keskeistä tietomallin määrittelyssä on ottaa huomioon vuorovaikutuksen merki- tys eri järjestelmien ja järjestelmän osien välillä. Hyvin suunniteltuun tietojärjestelmään
myös automaatiojärjestelmän tiedonkeruun integrointi ja hyödyntäminen on helpompaa.
[20]
2.4 Tiedon hyödyntäminen ja informaation esittäminen
Automaatiojärjestelmistä kerätyn tiedon luotettavuus nousee keskeiseen rooliin, kun ke- rätyistä tiedoista tuotettua informaatiota hyödynnetään. Tiedonkeruutavan ja mahdollis- ten rajoitteiden tuntemus auttaa ymmärtämään, mitä kerätty tieto todellisuudessa kuvas- taa. Informaatiota luodessa ja tietoa analysoitaessa, taustojen tuntemus auttaa hyödyntä- mään tietoa oikein, lisäten informaation luotettavuutta. Informaation kuluttajan on voi- tava luottaa saamaansa informaatioon, riippumatta varsinaisista informaation taustalla olevista tiedoista ja analytiikasta.
Kerätyn tiedon analysoiminen ja jalostaminen selkeästi ymmärrettävään muotoon on tie- don käytettävyyden kannalta olennainen asia. Kuten professori Steven Glaser Kalifornian Yliopistosta on jo vuonna 2003 todennut, ”ihmiset haluavat vastauksia, ei numeroita”[21]
kuvastaa hyvin tiedon jalostamisen merkitystä. Esimerkkinä voidaan käyttää yksinker- taistettua kuvitteellista tilannetta, jossa hetkellistä tuotantokapasiteettia esitetään joko lu- kuna tai yksinkertaisena grafiikkana esimerkiksi 900 tuotetta tunnissa. Tämä sisältää pelkkää aikayksikköön sidottua tuotannosta kerättyä tietoa, ilman vertailuarvoa. Saman kapasiteettitiedon yhteyteen voidaan ilmoittaa tavoitetaso ja lisätä erotusta kuvaava pro- sentti arvo. Tällöin saadaan aikaan helposti ymmärrettävä informaatio, josta kuka tahansa ymmärtää mikä on hetkellinen tilanne tuotannossa. Esimerkiksi, että kapasiteetti on 900/h, tavoite 1000/h ja 10% alle tavoitetason. Se, miten kerätyt tiedot esitetään ja miten tiedot on analysoitu, vertailtu ja esitetty, on tietojen luotettavuuden ohella tärkeässä roo- lissa. Käyttötarkoitukseen vajavaisesti analysoidut ja epäselvästi esitetyt tiedot saattavat johtaa virheellisiin tulkintoihin.
Kuten edellä mainittiin, tiedon jalostus informaatioksi ja erityisesti informaation esittä- misen merkitys on ratkaisevassa roolissa, kun informaatiota hyödynnetään. Tietoja ke- räävien ja tallentavien järjestelmien tietokannoista tietoja voidaan hakea ja jalostaa lähes rajattomasti, joka mahdollistaa saman kerätyn ja tallennetun tiedon hyödyntämisen usei- siin eri tarkoituksiin analysoituna. Teollisuusympäristössä on hyödynnetty eri tietojärjes- telmistä tuotettuna linjakohtaisia informaationäyttöjä, joissa olennaiset informaatiot ovat yleensä visuaalisesti esitetty kullekin sijoituspaikalle tarkoituksen mukaisena. Eri käyttä- jäprofiileille räätälöityjä näkymiä on toteutettu mm. LeanMES-projektissa [14]. Projek- tissa toteutetut näkymät on kuvattu kuviossa 7. Työpisteillä saattaa olla myös kirjautumi- sen perusteella mukautuvia näkymiä eri henkilöstöryhmille tai henkilökohtaisesti räätä- löityinä. Informaation ajantasaisuudella on myös ratkaiseva merkitys käytettävyyteen ja hyödyllisyyteen.
Kuvio 7: LeanMES projektissa toteutetut visualisoinnit [14]
Päivittäisen tiedolla johtamisen taustalla on oltava riittävän laaja ja luotettava tietomäärä, joka otetaan huomioon eri näkökulmista. Automaattinen tiedonkeruu mahdollistaa suur- ten tietomäärien huomioon ottamisen. Suuria tietomääriä käsiteltäessä korostuvat sekä tiedon analysointi että olennaisen informaation muodostaminen ja esittäminen. Stephen Few on kiteyttänyt ”dashboard” määritelmän: ”Dashboard on visuaalinen näkymä yrityk- sen kaikkein tärkeimmästä informaatiosta siten, että informaatio on sijoitettu yhdelle näy- tölle, mikä mahdollistaa toiminnan seuraamisen yhdellä silmäyksellä”[14]. Reaaliaikai- sesti koko organisaation käytettävissä oleva ja luotettavasti kerätty tietopohja, mahdollis- taa faktoihin perustuvan päätöksenteon kaikilla organisaation tasoilla. Epävarmuusteki- jöiden väheneminen lisää itseohjautuvuutta ja reaaliaikaisen informaation pohjalta tuo- tannossa tapahtuviin muutoksiin ja häiriöihin pystytään reagoimaan nopeammin. Nope- amman reagoinnin ja suoraviivaisemmalla päätöksenteolla voidaan saavuttaa suotuisaa kehitystä tuotannon tehokkuudessa. Nopeampi reagointi mahdollistaa myös tuotannossa tapahtuvan epäkurantin tuotannon vähenemisen ja näin ollen pienentää hukan määrää tuo- tannossa.
Kunnossapito on yksi merkittävä automaatiojärjestelmistä kerätyn tiedon hyödyntäjä ny- kyaikaisessa tuotantoympäristössä. Kerättyyn tietoon perustuen voidaan tehdä analysoin- teja automaatiojärjestelmien kunnosta ja suunnitella kunnossapitotoimet perustuen järjes- telmän todelliseen tilaan. Kuntoon perustuva kunnossapito, Condition Based Mainte- nance (CBM), edellyttää järjestelmän tietojen keräämistä ja analysointia yleensä eri läh- tökohdista, kuin mitkä ovat tuotannon tarpeet. Kunnossapitojärjestelmät ovat yleensä eril- lisiä kunnossapidon tarpeisiin kehitettyjä järjestelmiä. Tuotannon ja kunnossapidon tie- toja keräävät järjestelmät voidaan linkittää vaihtamaan tietoa myös keskenään. Näin sääs- tytään päällekkäisten tietojen tallennukselta ilman kompromisseja. CBM voidaan jakaa kahteen eri tietoa keräävään kategoriaan, järjestelmän tapahtumat ja järjestelmän kuntoa kuvastavat mittaukset. Tapahtumat sisältävät mitä järjestelmässä on tapahtunut ja mitä sille on tehty, kun taas mittaukset voivat sisältää värinä-, lämpötila- jne. mittauksia jär- jestelmän eri osista. Kerättyjen tietojen pohjalta tehdään analysointia, johon lisääntyvässä määrin käytetään tekoälyä. Tekoälyn käyttö räätälöidyissä automaatiojärjestelmissä on vielä haastavaa, koska järjestelmien erilaisuudet pitää opettaa tekoälylle ennen kuin saa- daan luotettavia tuloksia. [22]
2.5 Tulevaisuuden tiedonkeruu
Tulevaisuudessa teollisuus 4.0:n kaltaiset verkottumiseen ja IIoT:n määrittelyyn sopivat tietoa keräävät toteutukset tulevat lisääntymään kaikilla yhteiskuntatoimintojen alueella.
Tämä tulee omalta osaltaan edistämään sekä digitalisaatiota että teollisuuden neljättä val- lankumousta. Teollisuusympäristössä neljännen vallankumouksen laajeneminen ottaa en- siaskeleita, lähinnä itsenäisinä verkottuneina palveluina. Teollisuus 4.0:n joustavuuteen ja automaation itseohjautuvuuteen tähtäävän murroksen ensiaskeleita ovat automaattinen tiedonkeruu ja tietojärjestelmien integraatio. Tulevaisuutta ja radikaaleja teknologioita käsittelevässä eduskunnan tulevaisuusvaliokunnan julkaisussa 1/2018 todetaan, että
”Joustavat tuotantolinjat voivat informaatioteknologian avulla tuottaa lyhyitä sarjoja ja moninaisia tuotteita. Kehityksen ääripäässä 3D-tulostin tai kätevä robotti voi valmistaa hyvin suuren joukon erilaisia tuotteita jopa yksilöllisesti [23].” Tämä viittaus tuotantolin- jojen joustavuuteen linkittyy teollisuus 4.0:llaan ja on osoitus että, myös Suomen valtio pyrkii ennakoimaan käynnissä olevaa murrosta ja sen vaikutuksia yhteiskuntaan.
Automaattisen tiedonkeruun hyödyntäminen tuotannon optimoinnissa mahdollistuu tuo- tantoprosessin eri vaiheista kerättyjen tietojen yhdistämisellä ja automaattisella reaaliai- kaisella analysoinnilla esimerkiksi tekoälyn avulla. Tämä vastaa tuotantoprosessin manu- aalisten simulointimallien automaattista hyödyntämistä. Perinteisesti parametrien syöttä- minen ja valitseminen on tehty manuaalisesti yksitellen tai taulukkoina ja tulosten perus- teella ihminen on päätellyt mitä parametrimuutoksia kokeillaan seuraavaksi. Kun tämä prosessi automatisoidaan ja parametreiksi yhdistetään reaaliaikaiset tuotantoprosessista saatavat tiedot, voidaan prosessia optimoida reaaliaikaisesti haluttujen tavoitteiden mu- kaisesti. Tavoitteina voi olla mm. tuotantonopeuden tai -laadun perusteella optimointi.
Tekoälyn ohjaamana tällä voidaan olettaa saavutettavan myös ennakoivaa parametrien optimointia. Tekoäly pystyy vertailemaan suuria määriä historiatietoja reaaliaikaisiin tie- toihin. Vertailun tuloksena tekoälyn voidaan olettaa pystyvän ennakoimaan tulevia pro- sessia järkyttäviä muutoksia ja kompensoimaan muutoksia jo ennen niiden ilmenemistä, varmistaen parhaan mahdollisen kokonaistuotoksen.
Kuten johdantoluvussa esiin nostettu esimerkki osoittaa, tekoälyn avulla on jo onnistunut löytämään tuotantolaitteiden tuottamia prosessin aikana piilossa olleita ongelmia. Esi- merkkitapauksessa pystyttiin sekä estämään virheellisten tuotteiden pääsy markkinoille että välttymään merkittäviltä taloudellisilta vaikutuksilta. Tämän kaltaisten mahdolli- suuksien hyödyntämisen uskotaan lisääntyvän erilaisissa tuotantoympäristöissä ja käyt- tökohteissa. Automaatiojärjestelmissä toteutettava automaattinen ja reaaliaikainen laa- dunvalvonta tulee lisääntymään erilaisissa muodoissa. Erityisesti tekoälyn hyödyntämi- selle uskotaan löydettävän lisää käyttökohteita, joissa automaattisesti kerättyä tietoa ana- lysoidaan reaaliajassa. Näin on mahdollista löytää piileviä ongelmia, joita ei suoraan yk- sittäisillä mittauksilla voida todentaa. [1]
Digitalisaation hyödyntämistä on mahdollista laajentaa tuomalla arvoketjun optimointiin tietoja myös tuotantoympäristön ulkopuolelta. Kun prosessien ohjaukseen yhdistetään ul- kopuolisia tietoja, kuten esimerkiksi sähkönhinnan ennusteet, voidaan sähköenergiaa käyttävien prosessien kustannustehokkuutta optimoida reaaliaikaisesti. Järjestelmäinteg- raation hyväksikäyttö tuotannon aikataulutuksessa ja suunnittelussa mahdollistaa koko- naisoptimoinnin ennakoitavien kustannusten ja tilausten valmistusjärjestyksessä hyödyk- keiden kustannusten ja kulutuksen optimoinnin. Ulkopuolisten muuttujien huomioon ot- taminen ja reaaliaikainen optimointi ei muuttuvassa ympäristössä välttämättä ole mah- dollista manuaalisilla menetelmillä.
Kerätyn tiedon yhdistäminen automaatiojärjestelmän digitaaliseen kaksoseen, digital twin, mahdollistaa, jo edellä mainitun prosessin optimointi lähestymisen lisäksi, järjes- telmän tarkemman elinkaaren hallinnan, Product Lifecycle Management (PLM). Teolli- suus 4.0:n ideologian toteuttaminen edellyttää, että jokaiselle tuotetulle yksikölle ja yksi- köistä rakennetulle kokoonpanoille ja laitteelle on muodostettava digitaalinen kaksonen, johon elinkaaren aikaiset tiedot liitetään. Tämä tarkoittaa kaiken kattavaa arvoketjun di- gitalisointia ja kaiken kerätyn tiedon liittämistä tähän digitaaliseen kaksoseen, joka vastaa tuotteen fyysisiä ominaisuuksia digitaalisessa ympäristössä. Tässä kehityksessä IIoT:n verkottuminen ja älykkäiden antureiden tuottamat tiedot ovat merkittävässä roolissa.
Tulevaisuuden tiedonkeruu järjestelmän osaksi voidaan liittää myös sosiaalisen median tuomat mahdollisuudet sekä aktiivisesti kysellä tietoa että hyödyntää aitojen ihmisten käyttäytymisestä analysoitavissa olevaa informaatiota. Joustavien tuotantoratkaisujen myötä tulevaisuudessa tuotteet voidaan tehdä yhä yksilöllisemmin ja huomioida loppu- asiakkaan toiveet yhä varhaisemmassa vaiheessa. Asiakaskäyttäytymistä voidaan ennus-
taa esimerkiksi sosiaalisen median pohjalta ”peukutukset”/tuotearviot ja mainos klik- kaukset huomioiden. Tiedonkeruumenetelmänä sosiaalisen median hyödyntäminen on ollut jo kehittymisestään asti käytetty mm. kaupan alalla. Näiden tietojen suora hyödyn- täminen teollisuudessa odottaa vielä tulemistaan. Näiden pohjalta voidaan kuitenkin tehdä ennustuksia jo hyvin varhaisessa vaiheessa. [23]
Riippumatta yhteiskuntasektorista ja kerättävästä tiedosta, eri puolilla maailmaa laadittu- jen visioiden mukaan liitettävyyden ja keskitetyn analytiikan koetaan olevan tulevaisuu- den arvon tuotantoketjun keskiössä. Älykkäät anturit välittävät tietoja langattomasti suo- raan keskenään sekä pilvipalveluiden tietokantoihin, joista tiedot voidaan analysoida tar- peen mukaan. Kuviossa 8 on esitetty älykkäiden kenttälaitteiden keskinäistä verkottu- mista sekä ylempiin järjestelmiin. Tietoihin voidaan palata ja niitä voidaan hyödyntää myös mittausympäristön ulkopuolisissa järjestelmissä erilaisissa vaikutussuhteissa. Ilman anturointia ja tiedon keräämistä ei älykkäimmilläkään järjestelmillä ole mahdollisuutta tehdä ympäristöön ja sen muutoksiin perustuvia päätelmiä. Aina tarvitaan joku aistimus tai tapahtuma, johon opittua voidaan soveltaa.
Kuvio 8: Tuotantolaitoksista löytyviä verkkotyyppejä [24]
Videokuvaa voidaan syöttää tekoälyn analysoitavaksi, niin kuin mitä tahansa muutakin tietoa. Videokuvasta voidaan tehdä erinäisiä reaaliaikaisia päätelmiä mm. erilaisista poik- keavuuksista. Kameratekniikkaa hyödynnetään tänä päivänä esimerkiksi liikenteen val- vonnassa ja laskennassa, myymäläympäristöissä lasketaan asiakkaita ja seurataan osto-
käyttäytymistä. Turvallisuusalan yrityksissä ihmiselle tarkkaavaisuutta vaativaa valvon- tatyötä suoritetaan automaattisesti reaaliaikaista videokuvaa analysoimalla. Teollisuus- ympäristössä laaduntarkkailua on tehty konenäkösovellusten avulla jo pitkään. Myös pe- rusanturointia on mahdollista korvata tulkitsemalla videokuvaa, esimerkiksi laskemalla tuotevirtaa suoraan reaaliaikaisesta videokuvasta, samalla kun tehdään laadun tarkkailua.
Tiedonkeruun kasvuun uskotaan laajasti. Kasvun mahdollistajiksi IEEE-SA mainitsee In- ternet of Thing (IoT) Ecosystem Study:saan mm. teknologian kehittymisen, että kehitet- tyjen tuotteiden ja palveluiden hintojen laskun. Teollisuusympäristön tiedonkeruuseen liittyvinä mm. antureiden luotettavuuden, fyysisen koon, energiatehokkuuden ja hinnan oletetaan kehittyvän suotuisasti. Julkaisussa toinen merkittävä teollisen ympäristön tek- nologinen kehittymisalue on verkottuminen ja kommunikointi. Tähän liitetään samoja elementtejä kuin antureihin, kuten luotettavuuden kasvu ja hintojen lasku. Verkottumi- sessa nyt käytettävissä olevien mobiiliverkkojen ja Wi-Fi:n todetaan olevan jo kaikkialla käytettävissä. Kehitysodotukset ovat korkealla hajautetuissa järjestelmätoteutuksissa, Fog networks. Fog networks idea on hajauttaa keskitetty pilvipohjainen palvelu proses- soitavaksi mahdollisimman tehokkaasti tiedon tuottajan ja kuluttajan välillä. [9] Tätä ha- jauttamisideologiaa jalostamaan on, vuonna 2015, joukko tieto- ja verkkoteknologian yri- tyksiä perustanut OpenFog Consortiumin10. OpenFog Consortium kertoo tavoitteikseen ajaa sekä teollista että akateemista hajautukseen liittyvää kehitystä osana jatkumoa, jossa pilvipalvelut integroituvat laitteisiin.
IEEE-SA toteaa IoT:n haasteeksi erityisesti tietoturvan. IEEE-SA käyttää ilmausta nelin- kertainen luottamus. Tiedon omistajalla on oltava varmuus, että hänen tietonsa on:
- Suojattu häviämiseltä ja muuttumiselta
- Suojattu tahallisilta hyökkäyksiltä, kuten haittaohjelmat - Suojattu ulkopuolisten pääsyltä yksityisyyden säilyttämiseksi - Suojattu tahattomalta häviämiseltä, korruptiolta ja paljastumiselta
Näissä suojauksissa olevilla puutteilla todetaan olevan jopa henkeä uhkaavia seurauksia.
Tämä on helpointa mieltää terveydenhuoltoalan sovelluksissa, mutta esimerkiksi autono- misten ajoneuvojen tapauksessa ympäristöä havainnoivien antureiden manipuloinnilla on potentiaalinen henkeä uhkaava vaikutus. Teollisuusympäristössä vaikutukset ovat pääasi- assa taloudellisia. Toimialasta riippuen esimerkiksi elintarvike- ja lääketehtaissa on mm.
tuotereseptien manipuloinnilla mahdollisuus aiheuttaa terveysuhkia. Myös tuotantolait- teiden turvalaitteiden manipuloinnilla voi olla kohtalokkaat seuraukset.[9]
10 Lisätietoja: https://www.openfogconsortium.org/
3. INFORMAATIOTARPEEN SELVITYS ASIAK- KAAN NÄKÖKULMASTA
Tämän työn tarkoituksena on tutkia kohdeyritykselle, mitä tietoja on tarve kerätä yrityk- sen valmistamista automaatiojärjestelmistä. Tarvittava tieto määritellään analysoimalla kohdeyrityksen asiakaskunnassa suoritetun haastattelututkimuksen pohjalta. Tutkimusai- neisto kerättiin valitulle tutkimusjoukolle tehdyllä puolistrukturoidulla haastattelututki- muksella. Osallistujia haastattelemalla selvitettiin, mitä informaatiota he automaatiojär- jestelmästä nykyään käyttävät, miten informaatiota on kerätty ja näkemyksiä heillä on mahdollisista tulevaisuuden informaatio tarpeista. Vastauksia analysoimalla muodostet- tiin käsitys siitä, mikä on tämän hetken informaatiotarve kohdeyrityksen asiakaskun- nassa.
3.1 Haastattelututkimuksen suunnittelu ja toteutus
Tämän tutkimuksen tutkimusmetodiksi valittiin haastattelututkimus. Alkuperäinen toteu- tussuunnitelma oli haastatella osallistujat strukturoidun kyselylomakkeen pohjalta. Tällä kvantitatiivisella lähestymistavalla tulokset olisi voitu tulkita melko suoraviivaisesti en- nalta määrättyjen vastausvaihtoehtojen pohjalta, tilastollisia menetelmiä hyödyntäen. Esi- tutkimuksen jälkeen strukturoidusta kyselystä päätettiin luopua. Strukturoitu kyselylo- make oli laadittu sellaisella lähestymistavalla, jossa osallistujilta kysyttiin lähtökohtai- sesti kerättävään tietoon liittyviä asioita. Esitutkimuksen jälkeen aineiston keruu mene- telmä vaihdettiin strukturoidusta kyselylomakkeesta puolistrukturoituun kyselylomak- keeseen. Tähän päädyttiin, koska strukturoitu kysely rajoittaisi osallistujien vastaukset lomakkeenlaatijan hypoteeseihin perustuviin, ennalta määrättyihin vastausvaihtoehtoi- hin. Tässä tutkimuksessa tarkoitus oli saada esiin myös hypoteesien ulkopuoliset yllättä- vätkin tulokset, joita valmiit vastausvaihtoehdot olisivat rajoittaneet. Lisäksi katsontakan- taa muutettiin siten, että haastattelun kysymykset muotoiltiin koskemaan käytettävää in- formaatiota, ei kerättävää tietoa. Tutkimuksen tulosten hyödyntämisen kannalta oleel- liseksi arvioitiin, että tulosten yleistettävyyden pitää olla hyvällä tasolla. Tämän tutki- muksen kannalta yleistettävyyteen tähdättiin valitsemalla rajattu epähomogeeninen osal- listujajoukko, ei lisäämällä osallistujien määrää. Edellä mainittuihin seikkoihin perustuen valittiin haastattelun muodoksi vapauksia antava puolistrukturoitu lomakehaastattelu har- kinnanvaraisella osallistuja poiminnalla.[25, 26]
Tässä tutkimuksessa kerättävän tiedon määrittelyä lähestyttiin käytössä olevan informaa- tion pohjalta, kuten edellä on mainittu. Tämä informaatio on jalostettu kerätyn tiedon pohjalta johonkin tiettyyn käyttötarkoitukseen, eli tarpeeseen. Haastattelujen runkona olevaa kysymyslomaketta lähdettiin kokoamaan sellaisesta olettamuksesta, että osallistu- jan ei välttämättä tarvitse olla tietoinen mistä käytettävä, tiettyyn tarpeeseen jalostettu
informaatio on peräisin. Tämän lähestymistavan taustalla oli tavoite olla rajoittamatta ja johdattelematta osallistujan vastauksia ja antaa osallistujan vapaasti vastata kysymyksiin ilman ennakkorajoitteita. Informaatioon perustuvalla lähestymistavalla vältyttiin myös osallistujan omalta tulkinnalta informaation alkuperästä. Tällöin osallistujan ei tarvinnut pilkkoa käyttämäänsä informaatiota osiin, eli yksittäisiin kerättyihin tietoihin, vaan heiltä kysyttiin, mitä informaatiota vastaajan yrityksessä käytetään ja mitä he uskoivat, että tu- levaisuudessa käytettäisiin.
Tutkimushaastattelut haluttiin tehdä ilman ennakkohypoteeseja. Hypoteesien vaikutuk- selta ei kuitenkaan pystytä kokonaan välttymään, vaikka koko prosessin ajan pyritään objektiivisuuteen. Näin ollen mainittakoon tiedostetut hypoteesit jotka vaikuttavat tutki- muksen rakentumiseen, jotta lukija voi arvioida niiden mahdollista vaikutusta kokonai- suuteen. Automaatiojärjestelmästä käytettävän informaation oletetaan jakautuvan selvästi kahteen eri tarkoitus perään: tuotannon tarpeisiin ja kunnossapidon tarpeisiin. Toinen hy- poteesi liittyy tiedon jakamiseen yrityksen ulkopuolelle. Yritysten oletetaan lähtökohtai- sesti pitävän kaikkea toiminnastaan kerättyä informaatiota omana yrityssalaisuutenaan, jota ei ilman perusteltua syytä jaeta yrityksen ulkopuolelle.
Osallistujien määrittelyssä käytiin läpi kohdeyrityksen asiakaskunnan yrityksiä ja arvioi- tiin, miten saataisiin valikoitua mukaan kattavasti eri kokoisia asiakasyrityksiä. Osallis- tujien valinnassa pyrittiin välttämään osallistuja joukon samankaltaisuutta. Keskenään sa- makaltaisten yritysten voitiin olettaa hyödyntävän keskenään samaa informaatiota, joka ei tue tutkimuksen tavoitetta löytää laajasti eri informaatioita. Tämän oletuksen pohjalta, yhdessä kohdeyrityksen kanssa tehtiin arvio, että asiakaskunnasta valitaan kuusi toisis- taan poikkeavaa osallistujayritystä. Tutkimukseen valitut yritykset edustavat laaja-alai- sesti suomessa toimivia kohdeyrityksen asiakkaita pakkaavasta teollisuudesta, yksittäisen toimipisteen yrityksestä aina monikansalliseen monialaiseen konserniin. Tällä pyrittiin varmistamaan, että tuloksiin saadaan mukaan erilaisissa toimintaympäristöissä toimivien yritysten näkemykset. Kohdeyritys nimesi kustakin valitusta yrityksestä osallistujaehdok- kaan, joilta kultakin kysyttiin halukkuutta osallistua tähän tutkimukseen. Osallistuvat henkilöt toimivat kunkin yrityksen laaja-alaisessa teknisessä virassa ja he ovat päivittäin tekemisissä tutkimuksen kohteena olevan aiheen kanssa. Päivittäisen informaation hyö- dyntämisen lisäksi he osallistuvat aihepiiriin liittyvien investointien määrittelyyn ja han- kintaan, mikä osaltaan lisää vastausten luotettavuutta. Valitulla rajatulla otannalla uskot- tiin saavutettavan saturaatio osallistujajoukon pienestä koosta huolimatta. [26]
Tutkimushaastatteluiden suunnittelussa otettiin huomioon vastaajien toimintaympäristö ja pyrittiin varmistamaan, että vastaajilla olisi mahdollisuuksien mukaan mahdollisim- man neutraali haastattelutilanne ja että haastattelusta aiheutuisi haastateltavalle mahdol- lisimman vähän vaivaa. Vaiva pyryttiin minimoimaan tarjoutumalla tulemaan haastatel- tavan toimipaikkaan haastateltavan valitsemana ajankohtana. [25] Puhelimitse suoritetun tutkimukseen osallistumishalukkuuskyselyn yhteydessä tutkimus esiteltiin osallistujille ja heille lähetettiin puhelun jälkeen sähköpostilla tutkimuksen saate ja kysymyslista. Näin
